0去购物车结算
购物车中还没有商品，赶紧选购吧！
当前位置: 图书分类 > 信息技术 > 计算机网络 > 非平衡数据分类理论与方法

相同语种的商品

销售排行榜

浏览历史

非平衡数据分类理论与方法


联系编辑
 
标题：
 
内容：
 
联系方式：
 
  
非平衡数据分类理论与方法
  • 书号：9787030774989
    作者：翟俊海
  • 外文书名：
  • 装帧：平装
    开本：B5
  • 页数：205
    字数：272000
    语种：zh-Hans
  • 出版社：科学出版社
    出版时间：2024-04-01
  • 所属分类：计算机网络
  • 定价： ￥120.00元
    售价： ￥78.00元
  • 图书介质:
    纸质书

  • 购买数量： 件  可供
  • 商品总价：

相同系列
全选

内容介绍

样章试读

用户评论

全部咨询

在实际应用中,需要处理的数据常常具有类别不平衡的特点.例如,用于信用卡欺诈检测、垃圾邮件过滤、机械故障诊断、疾病诊断、极端天气预测预报等的数据都是类别非平衡数据.研究非平衡数据分类问题具有重要意义和实际应用价值,引起机器学习领域研究人员的广泛关注.本书结合作者团队在非平衡数据分类中的研究成果,系统介绍非平衡数据分类的理论基础、模型评价、数据级方法、算法级方法和集成学习方法.
样章试读
  • 暂时还没有任何用户评论
总计 0 个记录，共 1 页。 第一页 上一页 下一页 最末页

全部咨询(共0条问答)

  • 暂时还没有任何用户咨询内容
总计 0 个记录，共 1 页。 第一页 上一页 下一页 最末页
用户名： 匿名用户
E-mail：
咨询内容：

目录

  • 目录
    “信息科学技术学术著作丛书”序
    前言
    第1章 理论基础1
    1.1 数据分类1
    1.2 K-近邻4
    1.3 决策树5
    1.3.1 离散值决策树6
    1.3.2 连续值决策树19
    1.4 神经网络25
    1.4.1 神经元模型25
    1.4.2 梯度下降算法26
    1.4.3 多层感知器模型29
    1.4.4 卷积神经网络33
    1.5 极限学习机43
    1.6 支持向量机46
    1.6.1 线性可分支持向量机46
    1.6.2 近似线性可分支持向量机50
    1.6.3 线性不可分支持向量机51
    1.7 集成学习54
    1.7.1 集成学习简介54
    1.7.2 Bagging算法55
    1.7.3 Boosting算法56
    1.7.4 随机森林算法57
    1.7.5 模糊积分集成算法60
    第2章 模型评价63
    2.1 基本度量63
    2.2 ROC曲线与AUC面积65
    2.2.1 ROC曲线65
    2.2.2 AUC面积68
    2.3 损失函数71
    2.4 偏差与方差80
    2.5 多样性度量81
    2.5.1 成对多样性度量82
    2.5.2 非成对多样性度量83
    2.5.3 分类器集成的多样性和分类精度之间的关系85
    第3章 数据级方法86
    3.1 数据级方法概述86
    3.2 SMOTE算法88
    3.3 B-SMOTE算法89
    3.4 基于生成模型上采样的两类非平衡数据分类算法89
    3.4.1 基于极限学习机自动编码器的上采样算法91
    3.4.2 基于生成对抗网络的上采样算法93
    3.4.3 算法实现及与其他算法的比较98
    3.5 基于自适应聚类和模糊数据约简下采样的两类非平衡大数据分类算法109
    3.5.1 大数据概述109
    3.5.2 大数据处理系统110
    3.5.3 聚类分析127
    3.5.4 两类非平衡大数据分类算法134
    3.5.5 算法实现及与其他算法的比较138
    第4章 算法级方法144
    4.1 算法级方法概述144
    4.2 基于代价敏感性学习的非平衡数据分类方法146
    4.2.1 代价敏感性学习基础146
    4.2.2 代价敏感性支持向量机151
    4.2.3 代价敏感Boosting算法151
    4.3 基于深度学习的非平衡图像数据分类方法153
    4.3.1 针对非平衡图像数据的深度表示学习153
    4.3.2 针对长尾识别的目标监督对比学习156
    4.3.3 针对长尾识别的深度嵌入和数据增广学习方法159
    第5章 集成学习方法163
    5.1 集成学习方法概述163
    5.2 SMOTEBoost算法与SMOTEBagging算法164
    5.3 基于改进D2 GAN上采样和分类器融合的两类非平衡数据分类166
    5.3.1 基于改进D2 GAN的上采样方法166
    5.3.2 基于改进D2 GAN上采样和分类器融合的两类非平衡数据分类169
    5.3.3 算法实现及与其他算法的比较172
    5.4 基于MapReduce和极限学习机集成的两类非平衡大数据分类179
    5.4.1 交替上采样方法179
    5.4.2 基于交替上采样和集成学习的两类非平衡大数据分类180
    5.4.3 算法实现及与其他算法的比较182
    5.5 基于异类最近邻超球上采样和集成学习的两类非平衡大数据分类186
    5.5.1 基于MapReduce和异类最近邻超球的上采样186
    5.5.2 基于异类最近邻超球上采样和模糊积分集成的两类非平衡大数据分类188
    5.5.3 算法实现及与其他算法的比较188
    参考文献194
帮助中心
公司简介
联系我们
常见问题
新手上路
发票制度
积分说明
购物指南
配送方式
配送时间及费用
配送查询说明
配送范围
快递查询
售后服务
退换货说明
退换货流程
投诉或建议
版权声明
经营资质
营业执照
出版社经营许可证

中国科技出版传媒股份有限公司　版权所有

本平台为互联网非涉密平台，严禁处理、传输国家秘密。

　

京ICP备14028887号-5　 京ICP证150976号 京公网安备 11010102004214号

北京东黄城根北街16号 邮编：100717 Email:webmaster@mail.sciencep.com